WHERE IS FASHION NOW?

Sezon już się rozpoczął. Zanim jednak kalendarz mody nabierze pełnego tempa wraz z rozpoczęciem tygodni mody w Nowym Jorku, Londynie, Mediolanie i Paryżu, warto przyjrzeć się systemowi, który będzie kształtował to, co zobaczymy w kolejnych miesiącach.

Wrzesień zawsze trochę przypomina nowy początek. Kończy się lato, wracamy do pracy, szkół, miast i rytmu, który na kilka tygodni zwolnił. W modzie przejście pomiędzy sezonami zaczęło się już wcześniej — między innymi wraz z sierpniowym Copenhagen Fashion Week — ale to wrzesień otwiera okres, w którym branżowy kalendarz ponownie nabiera pełnego tempa. Rozpoczynają się najważniejsze tygodnie mody, do sklepów trafiają jesienne kolekcje, media prezentują swoje najważniejsze wydania otwierające sezon, a firmy wchodzą w miesiące istotne z punktu widzenia sprzedaży końcówki roku.

To moment, w którym uwaga branży ponownie kieruje się w stronę tego, co będzie następne: kolejnych kolekcji, produktów, trendów i decyzji, które mają definiować nadchodzący sezon. Zanim jednak skupimy się na przewidywaniu przyszłości, warto przyjrzeć się temu, w jakim miejscu znajduje się dziś sam system mody — i jakie siły zaczynają wpływać na sposób, w jaki ta przyszłość będzie tworzona.

Where are we now?

Branża wchodzi w ten sezon w interesującym momencie. Z jednej strony nadal funkcjonuje system, który znamy od lat: projektanci i dyrektorzy kreatywni tworzą kolekcje, kupcy budują asortyment, marki prezentują swoje propozycje podczas tygodni mody, media nadają im kontekst, a sklepy i platformy e-commerce próbują przełożyć zainteresowanie konsumentów na sprzedaż.

Jednocześnie wewnątrz tego systemu rozwija się kolejna warstwa. Dane od dawna wpływają na decyzje dotyczące produktu i sprzedaży, jednak generative AI zaczyna rozszerzać zakres procesów, w których technologia może uczestniczyć — od wyszukiwania i rekomendacji produktów, przez personalizację i tworzenie treści, po forecasting, onboarding produktów czy operacje logistyczne. Nie oznacza to końca dotychczasowego systemu mody. Znacznie ciekawsze jest to, że oba porządki zaczynają funkcjonować równolegle, coraz częściej przenikając się w miejscach, których konsument może nawet nie zauważać.

TECHNOLOGIA, KTÓRA UCZY SIĘ Z TEGO, CO JUŻ ZNAMY

21 sierpnia The Business of Fashion opublikował rozmowę Imrana Ameda z Nickiem Knightem — fotografem i założycielem SHOWstudio, który przez dekady eksperymentował z technologią jako częścią tworzenia obrazu mody. Tym razem punktem rozmowy stała się sztuczna inteligencja i sposób, w jaki Knight próbuje wykorzystać ją jako kolejne medium swojej pracy.

Knight nie ogranicza swojego eksperymentu do korzystania z gotowego narzędzia i jego standardowego zestawu odniesień. Tworzy własny materiał wizualny, między innymi poprzez fotografowanie modelki, a następnie wykorzystuje go w procesie pracy z AI. Interesujący nie jest więc sam fakt, że jeden z najbardziej rozpoznawalnych fotografów mody korzysta ze sztucznej inteligencji, ale sposób, w jaki próbuje zbudować wokół niej własny proces twórczy.

Ta praktyka prowadzi do szerszego pytania dotyczącego całej branży. Moda opiera znaczną część swojej kulturowej i komercyjnej siły na obietnicy nowości — na przekonaniu, że kolejny sezon przyniesie coś, czego jeszcze nie widzieliśmy lub czego jeszcze nie chcieliśmy. Generative AI powstaje natomiast poprzez uczenie modeli na istniejących danych. Napięcie pomiędzy tymi dwoma mechanizmami jest kuszące: branża próbująca wyobrazić sobie przyszłość zaczyna korzystać z technologii uczącej się na materiale pochodzącym z przeszłości. Technicznie byłoby jednak błędem wyciągnąć z tego prosty wniosek, że AI potrafi jedynie kopiować to, co już istnieje.

POMIĘDZY ZAPAMIĘTYWANIEM A TWORZENIEM NOWYCH REZULTATÓW

Generative AI rzeczywiście może zapamiętywać elementy swoich danych treningowych. W badaniu dotyczącym modeli dyfuzyjnych Nicholas Carlini i współautorzy pokazali, że z analizowanych modeli można było odzyskać ponad tysiąc przykładów pochodzących ze zbiorów treningowych. Zapamiętywanie konkretnych elementów danych jest więc realnym zjawiskiem, ale nie opisuje całego sposobu działania modeli generatywnych.

Badania pokazują również zdolność do generalizacji, czyli tworzenia rezultatów, które nie są prostym odtworzeniem pojedynczego przykładu znajdującego się w danych treningowych. To rozróżnienie jest szczególnie ważne dla mody, ponieważ techniczna nowość rezultatu nie jest tym samym co oryginalność w sensie kreatywnym czy kulturowym. Obraz może być statystycznie nowy, mimo że nie wnosi nowej idei. Produkt może mieć formę, która nie występowała wcześniej w identycznej konfiguracji, a jednocześnie pozostawać całkowicie przewidywalny estetycznie.

Dlatego pytanie o to, czy AI „potrafi być oryginalne”, może być źle postawione. Znacznie ciekawsze jest pytanie o warunki, w których wykorzystanie technologii prowadzi do poszerzenia przestrzeni możliwych rezultatów, oraz te, w których pozwala przede wszystkim szybciej produkować kolejne wariacje tego, co już znamy.

WIĘCEJ MOŻLIWOŚCI, MNIEJ RÓŻNORODNOŚCI?

Badania nad wpływem generative AI na ludzką kreatywność pokazują interesujące napięcie. W eksperymencie opublikowanym w 2024 roku w Science Advances Anil Doshi i Oliver Hauser badali osoby piszące krótkie historie. Uczestnicy, którzy mogli korzystać z pomysłów generowanych przez GPT-4, tworzyli teksty oceniane średnio jako bardziej kreatywne, lepiej napisane i przyjemniejsze w odbiorze — szczególnie w przypadku osób o niższym bazowym poziomie kreatywności. Jednocześnie historie powstałe przy wsparciu AI wykazywały większe podobieństwo do siebie.

Nie jest to dowód na to, że AI homogenizuje modę. Eksperyment dotyczył pisania, a jego wyników nie można bezpośrednio przenieść na projektowanie produktu, fotografię czy kulturę jako całość. Pokazuje jednak mechanizm, który dla branży opartej na tworzeniu różnicy powinien być szczególnie interesujący: narzędzie może zwiększać możliwości pojedynczego twórcy, a jednocześnie nie gwarantować większej różnorodności rezultatów całego systemu.

Dla mody jest to istotne również biznesowo. Wartość produktu, kolekcji czy marki nie wynika wyłącznie z możliwości stworzenia kolejnej poprawnej propozycji. W dużej mierze zależy od zdolności zbudowania wystarczająco charakterystycznej tożsamości, produktu czy doświadczenia, aby konsument był w stanie odróżnić je od coraz większej liczby alternatyw. Jeśli technologia radykalnie zwiększa liczbę możliwych wariantów, problemem może przestać być samo generowanie pomysłów, a większego znaczenia nabierze umiejętność rozpoznania, które z nich rzeczywiście warto rozwijać.

ZNACZENIE PROCESU

Na tym jednak historia się nie kończy. Nowsze badania nad współpracą człowieka z AI sugerują, że podobieństwo rezultatów nie musi być nieuniknioną konsekwencją korzystania z modeli generatywnych. Sposób zorganizowania procesu ma znaczenie: zróżnicowane instrukcje, różne ograniczenia, świadome poszukiwanie alternatywnych kierunków czy korzystanie z odmiennych modeli może zwiększać zakres eksplorowanych rozwiązań.

Zmienia to sposób, w jaki warto myśleć o potencjalnym ryzyku ujednolicenia. Nie musi ono wynikać wyłącznie z samej technologii. Może pojawiać się również wtedy, gdy podobne narzędzia otrzymują podobne instrukcje, pracują na podobnych założeniach i są optymalizowane według podobnych kryteriów. Z drugiej strony własne dane, wiedza, ograniczenia, kontekst i świadomie zaprojektowany proces mogą prowadzić do zupełnie innych rezultatów.

Właśnie dlatego praktyka Knighta jest interesująca nie dlatego, że fotograf wykorzystuje AI, ale dlatego, że próbuje określić warunki, na których chce z nim pracować. Zamiast pytać wyłącznie o możliwości narzędzia, przesuwa uwagę na sposób jego wykorzystania. W szerszym kontekście biznesowym może to być jedna z ważniejszych różnic pomiędzy firmami korzystającymi w przyszłości z podobnych technologii.

OD NARZĘDZIA DO INFRASTRUKTURY BIZNESU

Podczas gdy świat kreatywny zastanawia się nad wpływem AI na autorstwo, obraz i oryginalność, część firm modowych wykorzystuje tę technologię w znacznie mniej widocznych procesach. To właśnie tam może zachodzić jedna z ważniejszych zmian: AI przestaje być jedynie narzędziem do generowania efektownego obrazu, a zaczyna uczestniczyć w procesach związanych z odkrywaniem produktów, personalizacją, przygotowaniem treści, obsługą katalogu czy logistyką.

W maju 2026 roku Zalando informowało, że od początku roku blisko 10 milionów klientów skorzystało z jego asystenta zakupowego opartego na AI, podczas gdy w całym 2025 roku było ich 6 milionów. Firma deklarowała również wykorzystanie generative AI przy przygotowywaniu informacji produktowych — około 6 tysięcy artykułów dziennie miało być uzupełnianych za pomocą przetwarzania obrazu wspieranego przez AI. W centrach logistycznych Zalando automatyzacja obejmuje natomiast również roboty wykorzystywane przy pobieraniu produktów do realizacji zamówień.

Są to dane raportowane przez samą firmę i jako takie powinny być traktowane — nie stanowią niezależnej oceny skuteczności poszczególnych technologii. Pokazują jednak skalę i różnorodność procesów, w których nowe rozwiązania zaczynają być wykorzystywane. AI staje się coraz częściej elementem niewidocznej infrastruktury znajdującej się pomiędzy klientem a produktem: może uczestniczyć w tym, co konsument odkrywa, jakie informacje otrzymuje i w jaki sposób firma organizuje proces prowadzący od produktu do sprzedaży.

KIEDY DOSTĘP DO AI PRZESTAJE WYRÓŻNIAĆ

Jeżeli dostęp do zaawansowanych narzędzi generatywnych będzie się nadal upowszechniał, samo korzystanie z AI może stopniowo tracić wartość jako wyróżnik. Firmy korzystające z podobnych modeli nadal będą jednak dysponować bardzo różnymi zasobami i kompetencjami: własnymi danymi, wiedzą o kliencie, doświadczeniem zespołów, procesami decyzyjnymi, siłą marki, relacjami z konsumentami i zdolnością do skutecznego wdrażania nowych rozwiązań.

Dlatego przewaga nie musi wynikać z odpowiedzi na pytanie „kto ma AI?”, lecz coraz częściej z odpowiedzi na pytanie „kto potrafi lepiej włączyć je do własnego systemu?”. Technologia może być dostępna dla wielu firm, ale sposób jej wykorzystania pozostaje zależny od jakości danych, wiedzy organizacji, wyczucia produktu i rynku, zdolności podejmowania decyzji, zaufania konsumentów oraz jakości wykonania. Żaden z tych elementów samodzielnie nie gwarantuje przewagi. Ich połączenie może jednak decydować o tym, czy AI stanie się jedynie sposobem na zwiększenie efektywności, czy również narzędziem pozwalającym firmie działać inaczej niż konkurencja.

Nie jest to jeszcze fakt, który można uznać za rozstrzygnięty. To hipoteza biznesowa, którą kolejne lata pozwolą zweryfikować. Badania nad kreatywnością dają jednak jeden istotny argument, by potraktować ją poważnie: jeżeli sposób zorganizowania procesu wpływa na jakość i różnorodność rezultatów, wówczas znaczenie ma nie tylko to, z jakiego modelu korzystamy, ale przede wszystkim jaki system pracy wokół niego budujemy.

CO WŁAŚCIWIE CHCEMY OPTYMALIZOWAĆ?

To prowadzi do pytania ważniejszego niż prosty spór o to, czy AI jest dla kreatywności dobre czy złe. Wraz z rosnącymi możliwościami analizowania, generowania, rekomendowania i przewidywania firmy będą musiały coraz częściej decydować nie tylko o tym, gdzie zastosować technologię, ale również według jakiego kryterium oceniać jej sukces.

W zależności od procesu odpowiedzią może być niższy koszt, krótszy czas przygotowania produktu, wyższa konwersja, lepsze dopasowanie do klienta, mniej zwrotów, większe zaangażowanie czy dokładniejsze prognozowanie popytu. Są to realne cele biznesowe. Problem zaczyna się wtedy, gdy to, co najłatwiej zmierzyć i zoptymalizować, automatycznie staje się jedyną definicją tego, co warto tworzyć.

Jeżeli system będzie projektowany przede wszystkim tak, aby coraz skuteczniej powtarzać rozwiązania, które już najlepiej się sprzedają, przyciągają uwagę i generują konwersję, może stać się niezwykle sprawnym mechanizmem rozwijania tego, co już znamy. Jeśli jednak te same narzędzia zostaną wykorzystane również do eksplorowania nowych kierunków, testowania mniej oczywistych hipotez i poszerzania zakresu możliwych rozwiązań, technologia może odegrać zupełnie inną rolę.

Pytanie nie dotyczy więc wyłącznie tego, co AI będzie potrafiło zrobić dla mody. Coraz ważniejsze staje się to, jakie cele branża postawi technologii i według jakich kryteriów będzie oceniać jej rezultaty.

GDZIE JESTEŚMY TERAZ?

Znajdujemy się w momencie, w którym dotychczasowy system mody nadal funkcjonuje, ale coraz więcej jego elementów zaczyna być wspieranych przez nową warstwę technologiczną. W kolejnych tygodniach uwaga branży przeniesie się do Nowego Jorku, Londynu, Mediolanu i Paryża. Będziemy analizować kolekcje, debiuty, decyzje dyrektorów kreatywnych, casting, scenografie i produkty, które marki uznają za reprezentację kolejnego sezonu.

Za tym widzialnym systemem coraz intensywniej rozwija się jednak drugi: oparty na danych, algorytmach rekomendacyjnych, automatyzacji i nowych sposobach tworzenia, analizowania, wyszukiwania oraz sprzedawania produktu. Te dwa światy nie muszą ze sobą konkurować. Coraz częściej będą prawdopodobnie stanowić elementy tego samego procesu.

Nie wiemy jeszcze, jak ta równowaga będzie wyglądać ani które kompetencje okażą się najważniejsze. Wiemy natomiast, że samo pytanie o to, czy branża będzie korzystać z AI, staje się coraz mniej interesujące. Znacznie więcej mówi nam pytanie o to, w jaki sposób będzie z niego korzystać, jakie problemy będzie próbowała nim rozwiązać i jaką przyszłość będzie chciała przy jego pomocy stworzyć.

ZANIM SEZON ROZPOCZNIE SIĘ NA DOBRE

Moda od zawsze zmieniała się razem z technologią. Nowe materiały i metody produkcji zmieniały produkt; fotografia i magazyny sposób jego przedstawiania; internet, e-commerce i media społecznościowe sposób jego odkrywania, dystrybucji i sprzedaży. AI staje się kolejnym elementem tej historii, ale kierunek tej zmiany nie jest jeszcze przesądzony.

Być może właśnie dlatego rozmowa Nicka Knighta jest dobrym punktem wyjścia przed rozpoczęciem kolejnego intensywnego sezonu. Nie dlatego, że daje odpowiedź na pytanie o przyszłość AI w modzie, ale dlatego, że przypomina o znaczeniu procesu: o różnicy pomiędzy wykorzystaniem nowego narzędzia do sprawniejszego odtwarzania znanych odpowiedzi a wykorzystaniem go do poszukiwania pytań i możliwości, których wcześniej nie braliśmy pod uwagę.

Zmiany w modzie były, są i będą. Rozwój AI jest kolejną z nich — prawdopodobnie znacznie bardziej złożoną niż sugeruje podział na entuzjastów i sceptyków. Dlatego zamiast próbować dziś rozstrzygnąć, czy technologia okaże się dla branży dobra czy zła, warto zacząć od bardziej wymagającego pytania: co właściwie chcemy z nią zrobić?